HİLE DENETİMİNDE BENFORD YASASI: BORSA İSTANBUL ÖRNEĞİ 1. Doç. Dr. Seçkin GÖNEN Dokuz Eylül Üniversitesi, İktisadi ve İdari Bilimler Fakültesi

Transkript

1 HİLE DENETİMİNDE BENFORD YASASI: BORSA İSTANBUL ÖRNEĞİ 1 Doç. Dr. Seçkin GÖNEN Dokuz Eylül Üniversitesi, İktisadi ve İdari Bilimler Fakültesi Muhasebe Bilim Uzmanı Mithat RASGEN Dokuz Eylül Üniversitesi, Sosyal Bilmler Enstitüsü ÖZET İşletmeler yapıları gereği karmaşık organizasyonlara sahiptirler. Bu karmaşık yapı sebebiyle hile ve suistimal tehlikesine karşı çoğu zaman savunmasız kalmaktadırlar. Bu nedenden dolayı dünya üzerindeki üretimin önemli bir bölümü hile ve suistimal ile kaybedilmektedir. Çalışmada hileye sebep olan nedenler literatüre geçen hile üçgeni kavramıyla açıklanmış ve denetim çalışmalarının düzenli bir şekilde yürütülerek hile tehdidinin ortadan kaldırılması için kullanılacak teknikler ortaya konmuştur. İstatistiki bir denetim tekniği olan Benford Yasası nın tanımı yapılmış ve özellikleri vurgulanmıştır. Rakamların dağılım sıklıklarını belirleyen bu yasa, hilenin tespit edilmesinde önemli bir yardımcıdır. Çalışmanın uygulama bölümünde Borsa İstanbul A.Ş den elde edilen 2014 yılına ait adet veri incelenmiş, şüphe duyulan iki ayrı şirketin testleri ve uygunluk analizleri yapılarak Benford Yasası nın hile denetimindeki etkinliği gösterilmeye çalışılmıştır. Anahtar Kelimeler: Hile Denetimi, Rakamsal Analiz, Benford Yasası, Ki-Kare Testi. BENFORD S LAW ON FRAUD AUDİTİNG: AN APPLİCATİON OF BORSA ISTANBUL ABSTRACT Businesses are required to have complex organization structures. As a result of this complex structure, they often remain vulnerable to dangers resulting from fraud and abuse. That s why an important part of the production in the world has been lost because of fraud and abuse. In this study, the reasons causing fraud are described in terms of Fraud Triangle concept and the techniques that are used for elimination of the threat caused by fraud have been put forward by a regular audit work. The definition of a statistical technique called The Benford s Law has been introduced and its features have been emphasized. This law which determines the frequency of distribution of numbers is an essential factor in the detection of fraud. In the section of application, pieces of data for the year 2014 obtained from Borsa Istanbul were examined and it was aimed to reveal the effectiveness of Benford's law on fraud investigation by testing and carrying out compliance analysis of two different companies regarded as suspected. Keywords: Fraud investigation, digital analysis, Benford's law, chi-square test. 1 Bu makale Dokuz Eylül Üniversitesi Sosyal Bilimler Enstitüsü Muhasebe Yüksek Lisans Programında Doç. Dr. Seçkin GÖNEN danışmanlığında Mithat RASGEN tarafından hazırlanan Hile Denetiminde Benford Yasası nın Kullanılmasına İlişkin Bir Uygulama adlı yüksek lisans tezinden türetilmiştir. 93

2 Journal of International Trade, Finance and Logistics, Cilt:1 Sayı:1 1. GİRİŞ Hile, kişinin hakkı olmadan kar elde ederek, organizasyon sahiplerini ve yöneticilerini zarara uğratmak olarak tanımlanmaktadır. Hileyi tespit etmek, oldukça zor ve sistemli bir çalışma planına ihtiyaç duymaktadır. Dolayısıyla günümüzde birçok hile gün yüzüne çıkmadan, farkedilmeksizin işletme kaynaklarından yok olmaktadır. İşletmenin düzenli bir şekilde denetlenememesi, kaynakların verimsiz kullanılmasına ve yatırımcıyı şirketten uzaklaştırarak işletmenin yaşam ömrünü kısaltmasına sebep olmaktadır. Bu durumun engellenmesi için araştırmacılar ve bağımsız kuruluşlar birçok çalışma yapmış ve farklı denetim teknikleri kullanarak hileyi tespit etmeye çalışmıştır. Günümüz dünyasındaki veri akışının inanılmaz boyutlarda artış göstermesi, bilgi teknolojilerinin kullanılmasını zorunlu hale getirmektedir. Sayısal veri analizleri sayesinde çok büyük miktarlardaki veritabanları incelenip analiz edilebilmektedir. Analiz yöntemlerinden biri de rakamların sıklık dağılımlarını inceleyen Benford Yasası dır. Bu çalışmada ilk olarak hile teorisi açıklanmış ve Benford yasası nın tarihçesi ile birlikte yasa haline dönüşmesindeki süreç ve kanıtlar ortaya konmuştur. Daha sonra kuramsal bilgilerin uygulamadaki işleyişini ortaya koymak üzere üç farklı şirketin denetim uygulaması yapılmıştır. Yasadışı olarak birilerinden bir şey almanın iki farklı yöntemi bulunmaktadır. Söz konusu yöntemlerin birincisi, fiziksel gücün kullanılarak istenilenin zorla elde edilmesidir. İkinci yöntem de ise; istenileni almak için karşı tarafın zayıflıkları ve dikkatsizliği kullanılarak fark edilmeden elde edilir. İlk yönteme hırsızlık, ikincisine ise hile adı verilmektedir. Hırsızlık genellikle daha şiddetlidir ve medya ilgisini üzerine çeker, ancak hilede yaşanan kayıplar daha fazladır (Albrecht vd. 2012: 6) Dolayısıyla hile denetimiyle yaşanan bu kayıpların önlenmesi gerekmektedir. Ancak tasarruflu ve kaliteli bir denetim faaliyetlerinin gerçekleşmesi için iyi bir denetim programının oluşturulması, denetim işlemi ile ilgili sorumlulukların belirlenmesi, görev paylaşımlarının düzgün yapılması ve doğru denetim tekniklerinin kullanılması gerekmektedir ( Taş ve Durmuş, 2008: 46). 2. HİLE TEORİSİ Hile kavramı insanlığın varoluşundan başlayarak günümüze kadar gelmiştir. Günümüzde dünya ülkelerinin içinde bulunduğu sistem itibariyle ülke sınırlarının ticari işlemler için ortadan kalkması ve ülke ekonomilerinden daha büyük şirketlerin ortaya çıkması, karmaşık bir yapıya sahip muhasebe organizasyonlarının kurulmasına neden olmuştur. Bu organizasyonların yapısı itibariyle çalışan sayılarının fazla olması ve denetim faaliyetlerinin doğru bir şekilde yürütülememesi işletmeyi zarara uğratan hilelere sebep olmuş ve birçoğu açığa çıkarılamamıştır. Hile teriminin yaygın olarak kullanılan bir çok tanımı olmasına ragmen, her biri birbirinden oldukça farklıdır. Bir çalışanın çocukları için işyerinden ofis malzemesi getirmesi, çalışanın ofis malzemesini çalması ya da kişisel amacı için ofis malzemesini iş yerinde kendisi için kullanarak tüketmesi konuya örnek olarak gösterilebilir. Söz konusu bu örnekler farklı yöntemlerle aynı durumu ortaya koymaktadır (Pedneault, 2009: 2). Hileyi gerçekleştiren kişinin bir kişi veya kurumu kasten kandırması, bu faaliyetten hakkı olmayan bir çıkar elde etmesi ve hilenin mağduru olan kişi veya kurumu zarara uğratması hileyi oluşturan en önemli özelliklerdir. Bu noktada ise hilenin neden yapıldığı, hangi yöntemin kullanıldığı ve hangi unsurların hilenin oluşumuna zemin hazırladığı konuları önem kazanmaktadır. 94

3 2.1. HİLE ÜÇGENİ Hilelere karşı alınacak önlemlerin etkili olması isteniyorsa ilk olarak hilelerin hangi nedenlerden ortaya çıktığını ve hile türlerini bilmekte fayda vardır. Hile denetimi literatürüne giren Hile üçgeni kavramı hileyi oluşturan temel unsurları kapsamaktadır. (Terzi, 2012: 26). Hilenin oluşması için 3 temel unsur gerekmektedir. Hile üçgeni adı verilen bu unsurları ilk ele alan sosyolog ve kriminolog Donald Cressey'dir (Emir, 2008: 166). Teoriye göre; hilenin gerçekleşmesi için hilenin işlendiği ortamlarda üç durumunda varlığı söz konusudur. Ancak SAS (Denetim Standartları Tabloları) No:99'daki yaklaşıma göre ise, hilenin gerçekleştiği ortamlarda genellikle bu üç durumun var olduğu ileri sürülmekle birlikte, hile potansiyelinin oluşabilmesi için hile üçgenindeki tek bir durumun var olması da yeterlidir ( Erkan ve Arıcı, 2011: 37). Bu durumlar şu şekilde özetlenebilir; -Baskılar: Bireyin organizasyon içinde ya da kendi hayatında meydana gelen olaylardır. Bu baskılar sonucunda, bireyin kişisel ihtiyaçları, kişisel etik duygularından ve organizasyonun ihtiyaçları ve hedeflerinden daha önemli hale gelir (Vona, 2008: 8). Baskılar genellikle firmadaki yüksek beklentiden, yaşanan mali zorluklardan, uyuşturucu kullanımından veya kumar, kredi kartı gibi karşılaması zor borçlardan dolayı oluşur (Goldmann, 2010: 14). Çalışanların yukarıdaki gerekçelerle her durumda hile yapma eğilimi olabilir. Ancak hilenin varlığı için ikinci risk faktörü fırsatlardır. Eğer çalışanlara hile için fırsatlar da sunuluyorsa veya başka bir ifade ile teşvik ve baskılar nedeniyle ortaya çıkan hile risk faktörlerine uygun birer karşılık verilemiyorsa çalışanın hile yapmasına fırsat verilmiş olur (Okutmuş ve Uyar, 2014: 40). -Fırsat: Bir çalışanın hile yapabilmesi için bunu yapacak uygun bir konumda bulunması gerekir. Genellikle çalışan, bir varlığın gözetimi veya varlıkla ilgili işlemleri başlatma yetkisine sahiptir (Erdoğan, 2006: 148). Özellikle güvenilir pozisyonda bulunan çalışanlar dışında fırsatları yakalanmadan kullanmak oldukça zordur. Ancak iç kontrollerin düzensiz ve özensiz yapıldığı ortamlarda motivasyon ile fırsatlar birleştiğinde hile potansiyeli artış gösterir (Singleton vd, 2010: 46). -Haklı gösterme: Kişiler kendilerini dürüst olarak algılarlar. Suç davranışına girdiklerinde de bunu haklı çıkarmaya çalışırlar ve yaptıkları hileyi doğrulamak içinde genellikle kendilerini ikna ederler. Nakit hırsızlığı yapan çalışanların bu davranışlarıyla ilgili ortak tavrı bu parayı daha sonra yerine koyma niyetinde olduklarıdır. Onlar için bu bir hırsızlık değil, ödünç almadır (Hatunoğlu vd, 2012: 179). Görüleceği üzere, üzerinde çeşitli baskılar bulunan kişiler, işletme içinde bulunan zayıflıklardan yararlanarak elde ettikleri fırsatları hile yoluyla kendi çıkarları için kullanmaktadırlar ve suçluluk duygularını ortadan kaldırmak için haklı sebepler öne sürmektedirler HİLENİN MALİYETİ Şirketler genellikle kendi işletmelerinde hilenin olmayacağını düşünürler ancak birçoğu hileye maruz kalmaktadırlar. Hilelerin büyük kısmı tespit edilemez ve devamlılık kazanır. Genellikle küçük miktarlarda başlar ve giderek artış gösterir. En önemlileri yönetim tarafından yapılır ve işletmeyi en çok etkileyen hilelerdir (Çilingir, 2009: 180). Hile kelimesi kimsenin duymak istemediği bir kelimedir. Bu yüzden birçok işletme sahibi bu kelimeyi görmezden gelmek ister. Ancak bu çok büyük bir hatadır. ACFE (Association of Certified Fraud Examiners - Sertifikalı Hile Araştırmacıları Kurulu) 2012 yayınladığı şok edici raporla bunu kanıtlamıştır. Raporda hilelerin ortaya çıkışı %43 oranında ihbarla meydane gelmekte ve bu ihbarların %50 sini çalışanlar yapmaktadır. Yönetimin 95

4 Journal of International Trade, Finance and Logistics, Cilt:1 Sayı:1 farkedebildiği hileler ise yalnızca %15 oranındadır. Kontrolün tamamıyla kendinde olduğu düşünen işletme sahibi aslında hiçbir şeyden haberdar değildir. Aynı şekilde şirketinin küçük bir işletme olduğunu ve risk altında bulunmadığını düşünen ve yüz kişinin altında çalışanı olan iş yerlerinde %32 oranıyla hilelerin en çok gerçekleştiği işletmeler olmuştur (Gagliardi, 2014: 11). Raporun bir diğer çarpıcı bulgusu ise uzun süre aynı yerde çalışan kişilerin hile yapma olasılıklarının artıyor oluşudur. Çünkü belirli bir zaman geçtikten sonra güven kazanan çalışan, çoğu zaman işverenin güvenini kullanarak hile yapmaya başlıyor. Hile yapan çalışan rol model bir işçi olarak görüldüğü için hileyi ortaya çıkarmak daha da zor bir hal alıyor (Gagliardi, 2014: 11). ACFE, 1996 yılında yayınlamış olduğu rapor hile maliyetleri açısından yapılan ilk çalışmadır. Her iki yılda bir yenilenen raporlar, ABD'de bulunan işletmelerde oluşan mesleki hileleri ve kötüye kullanımları incelemiş ve hile denetçilerinden elde ettikleri gerçek bilgileri kullanmışlardır (ACFE, 2015). Açıklanan raporlara göre, 1996 yılında işletmeler yıllık gelirlerinin %6 sını hile yoluyla kaybetmişlerdir. Hile oranları her yıl düzenli olarak artmış ve 2008 yılında 994 milyar $, 2014 yılı son raporunda ise 3.7 katrilyon $ hile sebebiyle kaybedilmiştir HİLE DENETİMİ Son zamanlarda ortaya çıkan muhasebe skandalları birçok yatırımcının fonlarını eritmesine ve yatırımcıların finansal piyasalara yatırım yapma güvenini yitirmesine sebep olmuştur. Bu olumsuz gelişmeler, işletmelerde hilelerin tespiti ve önlenmesine daha fazla önem verilmesi gerektiği düşüncesini güçlendirmiştir (Terzi, 2012: 102). Hile denetimi temelde bağımsız denetimden amaç yönünden ayrılmaktadır. Bağımsız denetimin amacı finansal tabloların genel kabul görmüş muhasebe ilke ve politikalarına uygunluğu hakkında bir görüş oluşturmaktır. Hile denetiminin amacı ise hile şüphesi olan işlemlerin ortaya çıkarılması ve soruşturulmasıdır. Hile denetiminde özellikle şüpheli işlemler araştırılır. Hesap seçiminde genellikle ya bir tahmin ya da bir ihbar vardır. Hile denetçisi kapsam dahilindeki bütün işlemleri örnekleme hatalarını elimine ederek araştırır. Süreç; belge incelemesi, işletme dışı verilerin araştırılması ve mülakatlar şeklindedir ( Pehlivanlı, 2011: 9). Hangi büyüklükteki hata ve hilelerin bilgi kullanıcılarının kararlarını etkileyeceklerine karar vermek tamamen tecrübeye dayalı bir mesleki yargı konusudur. Her bir denetim alanı için önemlilik düzeyi belirlenir. Bu sınırın üzerindeki hata ve hileler denetçi için önemlidir (Elitaş, 2011: 54). Görülüceği üzere, hile inceleme sürecinde belirlenen işlemler, denetimin odak noktası olarak belirlenir ve bu işlemler üzerinde eğer hileli bir durum farkedilirse hile şemaları oluşturularak hazırlanan verilerle birlikte denetim modeli belirlenir ve gerekli analizler yapılarak hile olup olmadığı sonucuna ulaşılır. Hileli işlem bulunması halinde soruşturma açılır. Soruşturma aşamasında hilenin varlığı kesin olmamakla birlikte soruşturma bu ihtimali araştırmayı amaçlar. Veri toplama aşamasından sonra hilenin tespiti için kullanılacak olan yöntem seçilmelidir. Hilelerin tespit edilmesinde reaktif ve proaktif olmak üzere iki yaklaşım sözkonudur. Reaktif yaklaşım hilenin ortaya çıkartılması konusunda pasif bir durum sergilemektedir. Pasif yaklaşımdan kasıt; geleneksel denetim anlayışında sadece işletmelerin iç kontrol sistemlerinin etkinliğinin değerlendirilmesi, hile araştırmasının ise sadece bu yönde bir istek veya ihbar olduğunda yapılmasıdır ( Çalış vd. 2014: 95). Proaktif yaklaşımlar kullanan denetçi ise, gerçekleştirilen bir hilenin belirtileri ile karşılaşmayı beklemez. Denetçi, denetim ekibindeki diğer denetçiler ile beyin fırtınası 96

5 yaparak işletmede ne tür hilelerin meydana gelebileceğini ve bu hileler ile ilgili olası semptomları belirler. Daha sonra denetçi, bu belirtilerin işletme içerisinde mevcut olup olmadığını araştırır. Bu yaklaşım hipotez testi yaklaşımı olarak da düşünülebilir: denetçi hipotezler yapar ve bu hipotezlerinin her birinin doğru olup olmadığını inceler. Hilelerin tespit edilmesinde proaktif tekniklerin kullanılmasının en büyük avantajı, hilelerin kendisini belli edecek kadar büyümeden tespit edilmesini sağlamasıdır (Albrecht vd, 2012: 169). Veri madenciliği, analitik inceleme prosedürleri ve veri tabanının dijital analizi ve Benford Yasası bu yaklaşımda kullanılan tekniklerdir. 3. BENFORD YASASI Amerikalı astronom ve matematikçi Simon Newcomb 1881 yılında American Journal of Mathematics te yayınlanan makalesinde kütüphanede bulunan logaritma kitaplarının ilk sayfalarının diğer sayfalara göre daha kirli ve daha fazla kullanıldığını fark etmiştir. Logaritma kitaplarını kullanan bilim adamları 1 ile başlayan sayılara 2 den daha fazla, 2 ile başlayan sayılara ise 3 ten daha fazla bakmışlardır. Bilim adamlarının söz konusu kitaplarda en az 9 ile başlayan sayılara baktıklarını tespit eden Newcomb, sıfırdan farklı bir rakamın sayının ilk basamağı olma olasılığını hesaplayarak aşağıdaki formüle ulaşmıştır (Durtschi, 2004: 19). P(d) = log 10 (1 + 1 d) 3.1. BENFORD YASASI NIN TARİHSEL GELİŞİMİ Simon Newcomb tarafından yazılan makale ile rakamların sayılar içindeki görünme sıklıkları hesaplanmış ve teoride Benford Yasası ilk kez gündeme gelmiştir. Ancak çalışmanın yetersiz veri ile oluşturulması makalenin göz önünde bulunmasına engel olmuş ve bir süre sonra unutulmuştur. (Yıldırım ve İnel, 2012: 266). Newcomb'un yayınından 57 yıl sonra Frank Benford, The Proceeding of the American Philosophy Society'de ''The Law of Anomalous Numbers'' isimli makalesini yayınlamıştır. Çalışmada Benford logaritma kitabındaki yıpranma durumunu incelemiş ve Newcomb ile aynı sonuca varmıştır. Benford'un yaptığı çalışma Newcomb'dan daha fazla ilgi görümüştür. Çünkü Benford araştırmasında gözlem gibi çok geniş bir veri kümesini kullanmıştır. Gözlemlerin içeriği farklı alanlardan toplanan veri setlerinden oluşmaktadır. Bunlar; Amerikan Ligi beyzbol istatistikleri, elementlerin atom ağırlıkları ve Reader's Digest makalelerinde görülen numaralar gibi verilerden oluşmaktadır. Benford, Newcomb'un çalışması ile aynı logaritmik yasaya ulaşmıştır. Fakat, Newcomb'un logaritmik yasasının dikkat çekmemesi nedeniyle bu kanun günümüzde Benford Yasası olarak bilinmektedir (Aydemir vd, 2009:225) Benford Yasası, 1938'de ortaya çıkışından 1960'lara kadar birçok matematikçi, fizikçi ve amatörler tarafından ispatlanmaya çalışılmıştır. Rutgers Üniversitesi'nde matematikçi olan Roger Pinkham, genel bir Benford Yasası var ise, bu kanunun ölçekten bağımsız olması gerektiğini öne sürmüştür. Pinkham'm yaptığı çalışmalar, Benford Yasası'nın ölçekten bağımsız olduğunu göstermiştir (Pinkman, 1961: 1223). Pinkham'ın çalışmalarını devam ettiren, Atlanta Georgia Teknoloji Enstitüsü'nde matematik profesörü olan Ted Hill, Benford Yasası'nın tabandan bağımsız olup olmadığını incelemiştir. Hill, 1996 yılında "Statistical Science" dergisinde yayımladığı makalesi ile Benford Yasası'nın ölçekten bağımsız olduğu gibi tabandan da bağımsız olduğunu göstererek, yasayı matematiksel olarak ispatlamıştır (Hill, 1996: 354). Muhasebe verileri üzerinde Benford Yasası nın kullanımı ile ilgili çalışmalar 1980 li yılların sonlarında gündeme gelmiştir. Charles Carslaw, 1988 de yayımladığı Gelir 97

6 Journal of International Trade, Finance and Logistics, Cilt:1 Sayı:1 Rakamlarındaki Anormallikler adlı makalesinde, Yeni Zelanda da firmaların beyan ettikleri gelirler üzerinde yaptığı çalışmaların sonuçlarını açıklamıştır. Carslaw firma yöneticilerinin belirli hedefleri tutturabilmek amacıyla gelir rakamlarını yüksek gösterme eğiliminde olduklarını belirtmiştir. Bu iddiasını desteklemek amacıyla gelir tutarlarının ikinci hanesinde yer alan rakamların dağılımını incelemiş ve bu rakamların Benford Yasası na göre beklenen dağılıma uymadığını belirlemiştir. Tutarların ikinci hanesinde beklenenden daha fazla 0 rakamı varken 9 rakamına daha az ratlanmıştır. Buradan firmaların kazançlarını yukarı yuvarlayarak örneğin 1.99 olan geliri 2.0 olarak gösterdikleri sonucuna varmıştır (Arslaw, 1988: 321). Görüleceği üzere Benford Yasası'nın ortaya çıkışı Newcomb'un yazdığı makale ile gerçekleşmiştir. Verilerin az oluşu ve çalışmanın yetersiz kalması yasa üzerindeki ilgiyi koruyamamış ve Benford, konuyu tekrar inceleyene kadar da göz ardı edilmiştir. Benford'un kullandığı geniş veritabanı sayesinde araştırma tekrar gündeme gelmiş ve diğer araştırmacılar tarafından ilk olarak kanıtlanmaya çalışılmıştır. Kanıtların oluşmasından sonra çalışmalar yön değiştirerek yasanın farklı sektörlerde nasıl kullanılabileceği üzerinde yoğunlaşmış ve bir çok araştırma yapılmıştır BENFORD YASASI NIN BEKLENEN RAKAM FREKANSLARI Benford makalesinde; çok çeşitli kaynaklardan aldığı sayıları incelemesi sonucunda bu sayıların logaritmik bir dağılıma sahip olduğunu belirtmiştir. Ayrıca sayıların alındığı kaynaklar çeşitlendikçe bu dağılım daha da belirgin hale gelmektedir. Bu dağılım günlük hayatta pek çok sayı grubu için geçerlidir. Dolayısıyla bu olasılık kuralının geniş bir geçerlilik alanı bulunmaktadır (Boztepe, 2013: 76). Benford un bulgularına göre ortalama olarak 1 rakamının anlamlı ilk rakam olma oranı %30,1 ; 2 rakamının anlamlı ilk rakam olma oranı % 17.6 tir. 9 rakamının ilk rakam olma oranı ise sadece % 4,5 olmaktadır. Benford bu verilerin dağılımı hakkında fizik ile ilgili bazı varsayımlarda bulunmuş, bu varsayımlarda integral hesaplamalarından yararlanmış, basamak ve basamak kombinasyonlarının beklenen ortaya çıkış sıklıklarını hesaplamıştır ( Türkyener, 2007: 114) Yasa kısaca 1'den 9'a kadar olan rakamların bir sayının her bir hanesinde olma olasılıklarının matematiksel hesaplamalarına dayanır. Bütün rakamların meydana gelme olasılığının hesaplanmasıyla beraber ilk iki rakam olasılıklarının da hesaplanmasını sağlar. Yasanın logaritma fonksiyonları aşağıdaki gibidir (Nigrini, 2012: 5) ; Sayıların ilk rakamı için; P(D 1 = d 1 ) = log(1 + (1 d 1 )) ; d 1 {1,2,3,.....,9} Sayıların ikinci rakamı için; 9 P(D 2 = d 2 ) = log(1 + (1 d 1 d 2 )) ; d=1 d 2 {1,2,3,.....,0} Sayıların İlk iki rakamı için ise: P (D 1 D 2 = d 1 d 2 ) = log(1 + (1 d 1 d 2 )) ; d 1 d 2 {10,11, ,99} Benford Yasası sayıların yalnızca ilk basamaktaki dağılım olasılıklarını incelememektedir. Sayıda bulunan bütün basamakları analiz edebilmekte ve sayı üzerindeki basamaklar sağa doğru gittikçe rakamların dağılım olasılıkları birbirlerine yaklaşmaktadır. 98

7 Benford Yasası'na göre birinci, ikinci, üçüncü ve dördüncü basmaktaki rakamlar için hesaplanan olasılıklar aşağıdaki tabloda verilmiştir. Rakam Tablo 1. Benford Yasası'nda Rakamların Beklenen Sıklıkları Rakamın Yer Aldığı Basamak İlk İkinci Üçüncü Dördüncü Kaynak: (Nigrini, 1996: 74). Tablo 4'te görüleceği üzere ilk basamaktaki beklenen sıklıklarda oluşan büyük fark, diğer basamaklarda birbirine çok yaklaşmaktadır. Dördüncü basamakta artık bütün rakamların basamakta bulunma olasılığı neredeyse aynı düzeydedir RAKAMLARIN OLASILIK DAĞILIMLARININ ÖZELLİKLERİ Rastgele toplanan sayılardaki belirli rakamların diğerlerinden daha sık kullanıldığını belirleyen Benford Yasası nın önemli iki özelliği bulunmaktadır. Bunlar olasılık dağılımının yapılabilmesi için gerekli olan veri kümesinin ölçeğe ve sayı tabanına göre değişmemesi olarak ikiye ayrılır: -Ölçeğe Göre Değişmeme Benford Yasası'nın ölçekten bağımsız olmasının anlamı bir veri kümesinin hangi birimle ifade edildiğinin Benford Yasası'nın kullanımını etkilememesi anlamına gelmektedir (Hill, 1998: 359). Dolayısıyla eğer bir sayı seti Benford Yasası'na uygun ise bu sayı setini sıfır haricinde başka bir katsayıyla çarptığımzda oluşan yeni sayı setinin yasaya uyumluluğu olumlu ya da olumsuz etkilenmeyecektir. Ölçekten bağımsız olma özellikle muhasebe verilerinin Benford Kanunu na uygun dağılım göstermesinde de açıklayıcıdır. Buna göre, bir veri kümesi para birimi cinsinden ifade ediliyorsa Benford Kanunu na uygun bir dağılım gösterecektir. Söz konusu verilerin hangi para birimi cinsinden ifade edildiğinin de analiz açısından bir önemi olmayacaktır (Nigrini, 1999: 80). -Tabana Göre Değişeme Simon Newcomb, yazdığı makalede rakamların dağılım sıklıklarını incelerken sadece 10 tabanında bulunan sayılarla ilgilenmiştir. Oysa ki Theodore Hill tarafından yapılan araştırmalar sonucunda Benford Yasası'nın tabandan bağımsız olduğu görülmüş, dolayısıyla 10 tabanı dışındaki başka bir sayı tabanıyla da oluşturulan veri setleri Benford Yasası'na uygun şekilde dağılım oranı göstermiştir (Wojcik, 2013:3). 99

8 Journal of International Trade, Finance and Logistics, Cilt:1 Sayı:1 Bununla birlikte bütün sayı setleri Benford Yasası ile uyumlu değildir. Özellikle büyük miktarda veriye sahip setler daha uyumlu sonuçlar göstermektedir. Ülkelerin nüfus sayıları, işletmelerin kayıt tuttukları hesapların birçoğu yasaya uyum gösterirken, örneğin her işlemden sabit kesinti yapan firmaların muhasebe kayıtları ya da yeni doğan bebeklerin ağırlık miktarları belirli sınırlara sahip oldukları için yasaya uyum göstermemektedirler BENFORD YASASI İLE KULLANILAN TESTLER Benford Yasası ile yapılan testler, beş önemli basamak testleri ile tekrar ve yuvarlama testlerinden oluşur. Bunlar aşağıdaki şekilde sınıflandırılmışlardır: İlk Basamak Testi İkinci Basamak Testi İlk İki Basamak Testi İlk Üç Basamak Testi Son İki Basamak Testi Tekrar ve Yuvarlama Testi İlk ve ikinci basamak testleri veriler üzerinde genel bir fikir sahibi olmaya yararken, diğer testler daha detaylı taramalar yaparak veri setindeki denetimi gerçekleştirmektedirler (Silva, 2013: 56). Bu yüzden Benford Yasası, ekonomideki hile ve manipülasyonu ortaya çıkarmada oldukça kullanışlı bir araç haline gelmiştir (Tödter, 2009: 349). -Dijital Analiz Testlerinin Yorumlanması Beklenen dağılımdan sapmaları ortaya koyduktan sonra bu sapmaların yorumlanması aşamasına gelinmektedir. Yorumlama aşamasında beklenen dağılımdan ne kadarlık bir sapmanın olduğunu ve mevcut sapmanın önemli kabul edilip edilmeyeceğini hesaplarken istatistiksel sınamalardan yararlanılır. Benford Yasası na dayalı analizlerde sonuçların değerlendirilmesinde kullanılan istatistik sınamalarını; Z- İstatistiği Testi Ki-Kare Testi Kolmogorov-Smirnoff Testi Ortalama Mutlak Sapma Yöntemi şeklinde sıralayabiliriz. -Z İstatistiği Testi Z-istatistiği, ki-kare sınamasından farklı olarak, belirli bir rakam veya rakam kombinasyonunun gözlemlenen rastlanma oranının Benford Kanunu na göre beklenen orandan sapma derecesini ölçmekte kullanılır. Z-istatistiğinin hesaplanması şu şekildedir (Hickman ve Rice, 2010: 337): 1 AP EP ( Z = 2N ) EP(1 EP) N Formülde yer alan AP değeri veri setinde gözlemlenen oranı, EP ise Benford Yasası'na göre beklenen oranı ifade etmektedir. N ise gözlem sayısını temsil eder (Cengiz, 2012: 121). -Ki-Kare Testi Ki Kare; aritmetik ortalaması sıfır ve varyansı bir olan normal bölünmeli bir anakütleden herbiri diğerinden bağımsız olarak seçilen n birimli bir örnekleme ait değerlerin 100

9 karelerinin toplamı demektir (Bircan vd. 2003: 71). Uygunluk testinde ki-kare istatistiği için formül aşağıdaki gibidir: K (AC EC )2 Ki Kare = EC i=1 Formülde AC gerçek sayı değerlerini, EC ise beklenen sayı değerlerini ifade etmektedir. -Kolmogorov-Smirnoff Testi Kolmogorow-Smirnov Uygunluk (K-S) testi, bir veri kümesinin normalliğinin belirlenmesinde kullanılan testlerden biridir. K-S test hipotezi aşağıdaki biçimde kurulur. H0 : F(x) = F0(x) Elde edilen test istatistiğinin belirli bir örneklem büyüklüğü ve seçilen anlamlılık düzeyindeki Kolmogorov-Smirnov tablo değerinden büyük olması durumunda Ho reddedilmekte ve dağılımın normal olmadığı sonucuna ulaşılmaktadır (Yenice ve Dölen, 2013: 207). -Ortalama Mutlak Sapma Yöntemi Diğer üç uyum derecesi testinin tersine Ortalama Mutlak Sapma(OMS), veri setinin büyüklüğünden etkilenmez. Ayrıca ölçümü anlaşılması bakımından kolaydır. OMS denetim bağlamında en iyi uyum derecesi testi olarak görünmektedir. OMS üç bileşene sahiptir. İlk önce beklenen oran ile gerçekleşen oran arasındaki farklar hesaplanır. Farkların negatif veya pozitif olmaları önemli değildir. Çünkü tüm farkların mutlak değeri alınır ve daha sonra genel toplamı hesaplanır ve basamak sayısına bölünür. (Elitaş vd, 2012: 59) Aşağıdaki şekilde formülize edilmiştir. K OMS = AP EP i=1 Formülde yer alan AP değeri veri setinde gözlemlenen oranı, EP ise Benford Yasası'na göre beklenen oranı ifade etmektedir. K ise basamak sayısını temsil eder. 4.UYGULAMA Çalışmanın bu bölümünde teorik olarak anlatılan Benford Yasası kullanılarak hile denetimi uygulaması yapılmaktadır. Kullanılan veritabanı işletmelerin yıl içinde borsada yaptıkları işlemlerden oluşmaktadır. Uygulamada ilk olarak sayısal analiz testleri yapılmakta ve uygunluk testleri ile birlikte Benford Yasası'na uyumu karşılaştırılmaktadır. Verilerin yasaya uyumu ile birlikte, borsaya kote olmuş şirketlerin bu veriler ışığında hile denetimi gerçekleştirilmektedir. Şirket bazında yapılan incelemeler sonucunda borsada yapılan manipülatif işlemler Benford Yasası ile ortaya çıkarılmaya çalışılmaktadır. Veriler Borsa İstanbul'dan yazılı izin alınarak elde edilmiştir ancak firmaların marka değerleri göz önünde bulundurularak firma isimleri değiştirilmiştir. Benford Yasası ile yapılan analizin geçerliliği, veri sayısının fazlalığı ile doğru orantılıdır. Bu durum, incelemelerin karmaşık bir yapıya dönüşmesine ve çok sayıda hesaplamanın yapılmasına sebep olmaktadır. Dolayısıyla işlemlerin tamamının denetlenebilmesi için bilgisayar yazılımlarının kullanılması zorunludur. Aksi halde, denetimin gerçekleştirilmesi zaman ve maliyet açısından imkansız hale gelmektedir. K 101

10 Journal of International Trade, Finance and Logistics, Cilt:1 Sayı:1 Uygulamada Microsoft Excel ve bilgisayar destekli denetim programı olan ''IDEA'' birlikte kullanılmıştır. Bu programlar sayesinde işlem sayıları fazla olan veritabanları kısa sürede incelenmekte, herhangi bir verinin gözden kaçması önlenerek hile denetimi tam anlamıyla gerçekleştirilmektedir. Uygulamada üç farklı şirket verileri analiz edilmiş ve uyumsuzluklar tespit edilmeye çalışılmıştır. İlk incelememiz, Borsa İstanbul A.Ş.' den elde edilen, Ulusal Pazar, İkinci Ulusal Pazar, Kurumsal Ürünler Pazarı, Gelişen İşletmeler Pazarı, Gözaltı Pazarı ve Serbest İşlem Platformu piyasalarının birinci ve ikinci seans işlem hacimlerinin bulunduğu toplamda adet veriden oluşmaktadır. Bu veriler kullanılarak Borsa İstanbul A.Ş.'nin 2014 yılındaki işlemlerinin ilk basamak, ikinci basamak ve ilk iki basamak testleri yapılarak mutlak sapmaları hesaplanmış ve Benford Yasası'na uyumluluğu karşılaştırılmıştır Gözlem Benford Gözlem Benford Şekil 1 : Gözlem Oranlarının Benford Yasası ile Karşılaştırılması. Şekil 1 e göre, veritabanındaki sayıların ilk basamak sıklıkları Benford Yasası'na oldukça uyumlu bir şekilde dağılmıştır. Gözlemlenen verilerle yasanın oranlarının mutlak farkları toplamı olarak hesaplanmaktadır. Genel toplamı oluşturan bu farkın ortalamasını bulmak için 9 olan basamak sayısına bölmek gerekmektedir. Yukarıdaki verilere göre, gözlemlenen oran, Benford oranından (0.0261/9) binde 2.9 oranında sapma göstermektedir. Ortalama mutlak sapma yönteminin belirleyici bir alt ya da üst limiti bulunmamaktadır. Ancak adet veriden oluşan bir veritabanındaki binde 2.9 oranındaki sapma, denetim açısından yasaya oldukça uygun bir yapıya sahip olduğunu göstermektedir. Bununla birlikte, yapılan incelemelerde tablo içindeki en yüksek sapmalar kontrol edilerek olası şüpheler tespit edilmeye çalışılmaktadır. Diğer uyumluluk testleri, bu büyüklükteki veritabanlarında aşırı güç problemi yaşayacağından kullanılması yanlış sonuçlar elde edilmesine sebep olmaktadır. 102

11 Gözlem Benford Gözlem Benford Şekil 2 : İkinci Basamak Gözlem Oranlarının Benford Yasası ile Karşılaştırılması Yukarıdaki şekilde görüldüğü üzere; ikinci basamak testindeki rakam dağılım oranları birbirlerine çok yakın seviyede bulunmaktadır. Bununla birlikte binde 2.5 (0.0250/10) olarak hesaplanan ortalama mutlak sapma değeri, veritabanın Benford Yasası'na uyumlu olduğunu kanıtlamaktadır. Bu yüzden bu aşamada denetim hedeflerini belirleyecek düzeyde anormallik bulunmadığı gözlenmiştir Gözlem Benford Şekil 3 :İlk İki Basamak Gözlem Oranlarının Benford Yasası ile Karşılaştırılması Şekil 3'te görüleceği üzere, veritabanı üzerinde yapılan testler, Benford Yasası'na uyumlu bir şekilde dağılım göstermektedir. İlk iki basamak testinin ortalama mutlak sapması, bu sayıda bir veritabanı için oldukça düşük rakamlara sahiptir. Veritabanının uyumlu olması, hileli işleme maruz kalmadığı anlamına gelmemektedir. Ancak, rakamların yasaya uyumlu dağılımları, yüksek sayıda hileli işlemin olmadığını göstermektedir. Denetçi, sahip olduğu tecrübe ve deneyimlerle diğer testleri karşılaştırarak denetim hedeflerini belirlemek zorunda kalmaktadır. Yüksek sayıda veriye ait denetimlerde genel bir inceleme yapıldıktan sonra veritabanını parçalayarak şüphe duyulan ya da diğer bölümlere oranla işlem eksiği ya da fazlası olan bölümlerin tekrar denetlenmesi gerekmektedir. Bu şekilde Borsa İstanbul A.Ş verilerinde kayıtlı olan iki şirketin verilerini ayrı ayrı inceleyerek genel denetimin büyüklüğünden yararlanarak saklanan hileli işlemler ortaya çıkarılmaya çalışılmaktadır. 103

12 Journal of International Trade, Finance and Logistics, Cilt:1 Sayı: II. UYGULAMA İkinci uygulamamızda, borsaya kote olmuş ikinci ulusal piyasada işlem gören X A.Ş firmasının yılları arasında gerçekleştirdiği borsa hareketlerinin işlem hacimleri denetlenmektedir Gözlem Benford Gözlem Benford Şekil 4 : II. Uygulamanın Gözlem Oranlarının Benford Yasası ile Karşılaştırılması Yukarıdaki şekilde görüleceği üzere, veritabanındaki rakamlar ilk basamak testinde Benford Yasası'na uyumlu bir şekilde dağılmıştır. ''6'' rakamı, yasanın değerlerinin altında kalmış olsa da ortalama mutlak sapmanın binde 5 ( /9 ) oranında olması, ilk basamak testi için şüphe uyandıracak herhangi bir veriye sahip olunmadığını göstermektedir. Sahip olduğumuz veritabanındaki veri sayısı adet verinin altında olduğu için diğer uygunluk testi olan Ki-Kare testinin aşırı güç problemi yaşamamasından dolayı uygulanması da mümkündür Gözlem Benford Gözlem Benford Şekil 5 : II. Uygulamanın İkinci Basamak Gözlem Oranlarının Benford Yasası ile Karşılaştırılması 104

13 Yukarıdaki şekilden elde edilen verilere göre, gözlem rakamlarının Ki-kare testi sonucu 9,1905'tir. 9 serbestlik derecesinde ve %5'lik anlamlılık düzeyinde kritik tablo değeri ise 16,92 olarak belirlenmiştir. Gözlem değerleri kritik değerin çok altında bulunmaktadır. Bu yüzden her iki dağılımın birbirine eşit olduğu hipotezi kabul edilmektedir. Başka bir deyişle gözlemlenen dağılım Benford Yasası'na uyumludur Gözlem Benford Şekil 6 : II. Uygulama İlk İki Basamak Gözlem Oranlarının Benford Yasası ile Karşılaştırılması Veritabanının ortalama mutlak sapması ve ki-kare değerleri, Benford Yasası'na uyumlu bir dağılım göstermektedir. Denetçi, bu uyum sayesinde veritabanında büyük bir hilenin meydana gelmediğini yorumlayabilmektedir. Ancak, tecrübe ve denetim yetenekleri doğrultusunda, yeterli zaman ve imkan varsa sapmaların yüksek olduğu rakam gruplarının şüphe uyandıran bölümleri denetim hedefi olarak belirlenebilmektedir. Yukarıdaki şekilde görüleceği üzere, özellikle 21,29 ve 80 ilk iki basamağıyla başlayan veriler, diğer verilere göre yüksek düzeyde sapma göstermektedirler. Dolayısıyla denetçi, karar alma yetkisini kullanıp, bu verileri denetleyerek yüksek sapmadan dolayı oluşan şüpheleri ortadan kaldırabilmektedir III. UYGULAMA Üçüncü uygulamamızda, ikinci ulusal piyasada işlem gören Y A.Ş firmasının yılları arasında gerçekleştirdiği borsa hareketlerinin işlem hacimleri denetlenmektedir. Bu uygulamada bilgisayar destekli denetim programı olan IDEA kullanılmaktadır. IDEA programı, Microsoft Excel formatında eklenen veritabanını analize uygun hale getirerek incelemektedir. 105

14 Journal of International Trade, Finance and Logistics, Cilt:1 Sayı:1 12 Temmuz 2015 Pazar CaseWare IDEA Prepared by: Report name: Input file name: III. uygulama-sheet1 Period: Benford1 Mean Absolute Deviation: 0,00683 Conclusion: Acceptable conformity Islem_Hacmi First Digit - Positive Values Şekil 7 : Benford Yasası Analizi İlk Basamak Testi Raporu Yukarıdaki raporda görüleceği üzere, veritabanı üzerinde yapılan analiz, üst sınır, alt sınır ve beklenen değerlerin veritabanı üzerindeki sonuçlarını kapsamaktadır. Buna göre, binde 6 oranında bir sapmayla gerçek değerler, Benford Yasası'na uyumlu bir şekilde dağılmaktadır ve kabul edilebilir uygunluk sonucuna ulaşılmaktadır. 106

15 12 Temmuz 2015 Pazar CaseWare IDEA Prepared by: Report name: Input file name: III. uygulama-sheet1 Period: Benford1 Mean Absolute Deviation: 0,00863 Conclusion: Acceptable conformity COL1 Second Digit - Positive Values Şekil 8: Benford Yasası Analizi İkinci Basamak Testi Raporu Şekil 8 de görülen ikinci basamak test raporunda, sapma oranı ilk basamak testine göre biraz daha yüksek bir seviyede bulunmaktadır. Ancak binde 8 lik bir sapma oranı, ikinci basamak testi için yeterli görülmektedir. Dolayısıyla rapor, gözlem verilerinin Benford Yasası'na uyumluluğunu kabul edilebilir düzeyde olduğunu tespit etmektedir. 107

16 Journal of International Trade, Finance and Logistics, Cilt:1 Sayı:1 12 Temmuz 2015 Pazar CaseWare IDEA Benford1 Prepared by: Report name: Input file name: III. uygulama-sheet1 Period: Mean Absolute Deviation: 0,00253 Conclusion: Non-conformity COL1 First Two Digits - Positive Values Şekil 9 : Benford Yasası Analizi İlk İki Basamak Testi Raporu Yukarıdaki raporda görüleceği üzere, ilk iki basamak testinin rapor sonuçlarında gözlem verilerinin Benford Yasası'na uyumsuz bir dağılım gösterdiği tespit edilmiştir. Başka bir deyişle, veritabanında şüpheli işlemlerin varlığına işaret eden yüksek oranlı sapmalar mevcuttur. Raporu incelediğimizde 23,71 ve 84 rakam çiftlerinin sıklık oranları yasanın oldukça üzerinde bir dağılım göstermektedir. Dolayısıyla bu rakam çiftlerinin bulunduğu verilerle birlikte diğer verilere de detaylı bir incele yapılması gerekmektedir. Benford Yasası ile tespit edilen verilerin uyumsuzluğu, SPK tarafından da farklı şekilde belirlenmiş ve firma hakkında inceleme başlatılmıştır yılları arasında 108

17 olağan dışı fiyat hareketleri gözlemleyen SPK, öz sermayesi 10 milyon tl olan firmanın piyasa değeri 670 milyon tl ye ulaşınca soruşturmayı büyütmüş ve çok sayıda manipülasyon yapıldığına karar vererek firmayı gözaltı pazarına almış, aynı zamanda piyasa işlemlerini gerçekleştiren kişiler hakkında suç duyurusunda bulunarak idari para cezası ile birlikte işlem yasağı getirmiştir. 5. SONUÇ Etkin bir denetimin olmadığı işletmelerde çalışan ve yöneticiler, hile yoluyla işletme kaynaklarını kendi çıkarları için kullanmaktadırlar. Firmaların üst düzey yöneticileri, sahip oldukları yetki sebebiyle çalışanlara göre denetlenmesi çok daha zor ve çok daha büyük hileler yapabilmektedirler. Bunun önüne geçilebilmesi için etkin bir iç denetim şarttır. Günümüz dünyasında sahip olduğumuz teknoloji sayesinde şirket içi bilgiler bilgisayar ortamında yazılmakta ve kaydedilmektedir. Dolayısıyla birçok denetim faaliyeti, fiziki kanıta gerek duymadan dijital analiz yazılımları yardımıyla denetlenebilmektedir. Hileyi tespit edebilmek için birçok denetim tekniği kullanılmaktadır. Simon Newcomb un keşfettiği ve Frank Benford un çalışmaları sayesinde yasalaşan, rakamların sıklık dağılımlarını inceleyen Benford Yasası, bu tekniklerden biridir. Bu yasa ile birlikte, beklenen sıklık dağılımlarında sapma gösteren veri tabanları incelemeye alınarak hile denetiminde etkin bir çalışma yapılabilmektedir. Benford Yasası ile çok fazla veriye sahip olan denetim süreçleri kısa sürede sonuçlandırılabilmektedir. Çalışmada elde edilen bulgulara göre, ikinci uygulamada incelenen şirket verileri Benford Yasası na uyumlu bir dağılım göstermiş ve herhangi bir hile belirtisine ulaşılmamıştır. Ancak borsa manipülasyonu yaptığı düşünülen şirket verilerinde Benford Yasası ndan sapmalar görülmüş ve bu sapmalar test sürecinden geçirilerek analiz edilmiştir. Analiz sonucunda ortaya çıkan çeşitli hile belirtileri denetim hedefi haline getirilmiştir. Çalışmadan bağımsız olarak SPK incelemesine takılan şirket, manipülasyon suçlamasıyla gözaltı pazarına alınmış ve borsada işlem yapması yasaklanmıştır. Çalışmanın konusu olan Benford Yasası, farklı alanlarda yapılacak çalışmalarda kullanılarak muhasebe üzerindeki etkisi araştırılabilir. Firmaların maliyet ya da gelir hesaplarının Benford dağılımına uyumu gözlemlenebilir ve yasanın denetim içindeki etkisi arttırılabilir. Yasanın bu şekilde denetim sürecinde kullanılması, denetçinin zaman ve maliyet açısından tasarruf etmesini sağlayacak ve hile belirtilerinin az olduğu veri tabanlarında hile risk analizinin daha kolay bir şekilde belirlenmesine yardımcı olacaktır. KAYNAKÇA Albrecht, W.S., Albrecht, C.O., Albercht, C.C. ve Zimbelman, M.F. (2012). Fraud Examination, South Western Cengage Learning,Ohio. Arslaw, C. (1988). Anomalies in Income Numbers: Evidence of Goal Oriented Behavior, Accounting Review, Nisan. p Aydemir, O., Elitaş, B. L., Erkan, M. ve Elitaş, C. (2009). Hile Tespitinde Benford Kanunu: Afyonkarahisar İli Vergi Beyanları Üzerine Ampirik Bir Uygulama, 1. Ulusal Kurumsal Yönetim, Yolsuzluk, Etik ve Sosyal Sorumluluk Konferansı, Trakya Üniversitesi İktisadi ve İdari Bilimler Fakültesi, Edirne. s

18 Journal of International Trade, Finance and Logistics, Cilt:1 Sayı:1 Bircan, H., Karagöz, Y. ve Kasapoğlu, Y. (2003). Ki-Kare ve Kolmogorov Smirnov Uygunluk Testlerinin Simulasyon ile Elde Edilmesi. Cumhuriyet Üniversitesi İkisadi ve İdari Bilimler Dergisi. 4(1). ss Boztepe, E. (2013). Benford Kanunu ve Muhasebe Denetiminde Kullanılabilirliği. Laü Sosyal Bilimler Dergisi. 4(1). ss Cengiz, E. (2012). Hile Risklerinin Tespitinde Benford Analizi: Vaka Çalışması. Muhasebe Bilim Dünyası Dergisi. 3. ss Çilingir, D. (2009). Suistimal ve Yolsuzluk Denetimi. 9. Türkiye Muhasebe Denetimi Sempozyumu Kitabı, Marmara Üniversitesi İktisadi ve İdari Bilimler Fakültesi İşletme Bölümü,, İstanbul, , s Da Sılva, C. G. ve Carreira, P. M R. (2013). Selecting Audit Samples Using Benford's Law. Auditing: A Journal of Practice&Theory. 32(2). ss Durtschi, C., Hillison, W. ve Pacini, C. (2004). The Effective Use of Benford's Law to Assist in Detecting Fraud in Accounting Data. Journal of Forensic Accounting, V ss Elitaş, C., Karakoç, M. ve Görgülü, M. E. (2011). Stance of Accounting Instructors to Forensic Accountancy Profession: Example of Turkey. International Journal of Business and Social Science. 2(10). ss Elitaş, C. (2011). Muhasebe Denetiminde Çalışma Kağıtları, Gazi Kitapevi, Ankara. Emir, M. (2008). Hile Denetimi. Mali Çözüm Dergisi. 86. ss Erdoğan, M. (2006). Denetim, Kavramsal ve Teknolojik Yapı. Maliye ve Hukuk Yayınları, Ankara. Erkan, M. ve Arıcı, N. D. (2011). Hata ve Hile Denetimi: Sermaye Piyasası Kuruluna Kayıtlı Halka Açık Anonim Şirketlere İlişkin Düzenlemeler. Muhasebe ve Denetime Bakış Dergisi. Ocak ss Gagliardi, C. (2014). The Reality of Fraud Risk. The CPA Journal, s.11. Goldmann, P. D. (2010). Financial Services Anti-Fraud Risk and Control Workbook. John Wiley&Sons Inc, New Jersey, Hatunoğlu, Z., Koca, N. ve Kıllı, M. (2012). İç Kontrolün Muhasebe Sistemindeki Hata ve Hilelerin Önlenmesinde Rolü Üzerine Bir Alan Çalışması. Mustafa Kemal Üniversitesi Sosyal Bilimler Enstitüsü Dergisi. 9(20). ss Hickman, M. J. ve Rice, S. K. (2010). Digital Analysis of Crime Statistics: Does Crime Conform to Benford's Law? J Quant Criminol. 26. ss Hill, T. P. (1996). A Statistical Derivation of the Significant-Digit Law. Statistical Science. 10. ss Hill, T. P. (1998). The First Digit Phenomenon. American Scientist. 86. ss

19 Nigrini, M. J. (1996). A Taxpayer Compliance Application of Benford's Law. Journal of the American Taxation Association. 18(1). Nigrini, M. J. (1999). I've Got Your Number, Journal of Accountancy ss Nigrini, M. J. (2012). Benford's Law. John Wiley&Sons Inc, New Jersey. Pedneault, S. (2009). Fraud 101. John Wiley&Sons Inc, New Jersey. Pehlivanlı, D. (2011). Hile Denetimi Metadolojisi ve Raporlama, Beta, İstanbul. Pinkman, R. S. (1961). On the Distribution of the First Significant Digits. Annals of Mathematical Slatistic. 32. ss Singleton, T. W. ve Singleton, A, J. (2010). Fraud Auditing and Forensic Accounting, John Wiley&Sons Inc, New Jersey. Terzi, S. (2012). Hileli Finansal Raporlama Önleme ve Tespit, Beta, İstanbul. The ACFE Reports to Nations, ( ). Tödter, K-H. (2009). Benford's Law as an Indicator of Fraud in Economics. German Economic Review. 10(3). ss Türkyener, M. C. (2007). Benford Yasası ve Mali Denetimde Kullanımı. Sayıştay Dergisi. 64. ss Vona, L. W. (2008). Fraud Risk Assessment, John Wiley&Sons Inc, New Jersey. Wojcik, M. R. (2013). Noted on Scale-Invariance and Base-Invariance For Benford's Law , ( ), s.3. Yenice, S. ve Dölen, T. (2013). İMKB'de İşlem Gören Firmaların Kurumsal Yönetim İlkelerine Uyumunun Firma Değeri Üzerindeki Etkisi. Uluslararası Yönetim İktisat ve İşletme Dergisi. 9(19). ss Yıldırım, H. ve İnel, M. N. (2012). Muhasebe Denetiminde Örnekleme Tekniklerinin Değerlendirilmesi Üzerine Bir İnceleme. Marmara Üniversitesi İİBF Dergisi, 32(1). ss

20 Journal of International Trade, Finance and Logistics, Cilt:1 Sayı:1 EXTENDED SUMMARY Fraud is defined as inflicting damage to owners and managers of the organization obtaining profit without any right. A quite difficult and systematic study is required to detect the fraud. Therefore, many frauds do not come to light and operating assets are vanished without noticing. Because business do not be held in an orderly manner, assets of the organization are inefficiently used, so this situation detracts company investors from the company and it leads to shorten the lifetime of business. Researches and independent audit firms carry out many researches and use different control techniques to prevent this situation and detect fraud. An incredible increase of data flow in today s world has made the use of information technology obligatory. Thanks to digital data analysis, large volume of databases could be observed and analyzed. Benford s Law is one of the methods of analysis to examine the frequency distribution of the numbers. In this study, fraud theory is firstly evaluated and then, the theory s transformation process with Benford s Law to become law and evidences are revealed. Then, audit practices of three different companies are held to reveal the practical operation of theoretical knowledge. There are two different methods on unlawfully getting something from someone. The first one of said methods is unlawful confinement with using of physical force. The second method is obtaining what is desired with using of unnoticed weakness and carelessness of the other party. The first method is called as theft and the second is defined as fraud. Theft is usually involved tend to be more severe and pulls on the media attention, but the loss suffered is much more on fraud (Albrecht vd. 2012: 6). Therefore, fraud investigation is required to prevent these losses. On the other hand, according to carrying out of efficient and quality investigation, a good quality control program should be built, the related responsibility for the audit process should be determined and the sharing of tasks should be done properly and correct control techniques should be used (Taş and Durmuş, 2008: 46). Benford s law is important computer-assisted audit techniques which are used to detect fraud. In this study, fraud investigation was conducted by using Benford s Law and the effectiveness of the law was measured. In the first part of the study, Istanbul Stock Exchange (Turkish, Borsa Istanbul) was examined. Because the controlled databases include a high volume of data, the doubt that the fraud can be hidden through this data was revealed. Therefore, data of the companies which have been quoted on the Istanbul Stock Exchange were separately analyzed to determine the existence of possible irregularities. The first step, the second step and the first two digits tests were applied to the database obtained from Istanbul Stock Exchange and test compliance with the average absolute deviation method was performed. According to this, Istanbul Stock Exchange s digit frequency of the trading volume figures in 2014 was conformably distributed with Benford s Law. However, the law compatibility of two different companies which are suspected due to fraudulent transactions hidden in the database and that liberated in cases where very high number of data, are tested. The first step, the second step and the first two digits tests were applied to the company data used in the second application, and the chi-square method was used in compliance testing. According to the results obtained through the tests, analyzed data showed a compliance on distribution with Benford s Law although it showed a deviation in a certain extent. Therefore, the results of different methods are not required to be brought into the control target data sets of any doubt. However, auditing of the necessary datasets considering the amount of time and cost is a decision that auditor should take through personal experience and knowledge. 112

21 In our third application, the first step, the second step and the first two digits tests were applied by using computer-assisted audit program. According to reports we have achieved, database which showed a deviation in a certain level in the first step and the second step tests showed compliance on distribution on Benford s Law. However, deviation ratio and figures frequency level contained in the first two digits test showed compliance in an unacceptable level with Benford s Law. Therefore, data whose figure frequency shows abnormality has been target of audit process. Thanks to the results we obtained through the study, the research was conducted by the CMB, company officials were accused of stock market manipulation, sentenced to administrative penalties due to fraudulent transactions and thus, the company has been included to watchlist companies market. An absence of an effective supervision in business increases the tendency of fraud of employees against the company, and senior officials of company and company holders against investors. A person who has at least one element in the fraud triangle, will not hesitate to use company resources for own benefit. This situation will primarily affect the company, indirectly the workers and the environment and also the national economy in a negative way. An effective fraud investigation should be carried out and preventive measures against fraud should be held to get rid of these negative effects. Although many methods are used in fraud investigation, thanks to emerging information technologies, computer-assisted audit techniques provide much advantage for the auditor. The most important of these advantages is that these computer-assisted audit techniques which can analyze a large volume of database such as Benford s Law could be used without constraints of time. The primary objective of this study is to reveal the predictive power of Benford s Law which is used to detect manipulations and fraudulent transactions made in stock market. During the audit process, the evolution of the law in that way will save the time and cost of the auditor, and will help auditor to determine fraud risk analysis in database which has less sign of fraud in an easier way and thus, business will reduce their losses to the minimum level possible. 113